基于姿态分解与语义关联的结构感知行人图像生成
计算机视觉与模式识别
2021-02-08 v1
摘要
本文解决姿态引导的行人图像生成问题，旨在将源姿态下的行人图像迁移到新颖目标姿态，同时保持源外观。鉴于标准CNN在处理大空间变换上的低效，我们提出一种基于结构感知流的方法用于高质量行人图像生成。具体而言，我们不是学习人体复杂的整体姿态变化，而是将人体分解为不同语义部分（如头、躯干和腿），并应用不同网络分别预测这些部分的流场。此外，我们精心设计了网络模块，以有效捕获人体各部分内部及之间的局部与全局语义关联。大量实验结果表明，我们的方法能在大幅姿态差异下生成高质量结果，并在定性与定量比较中优于最先进的方法。
引用
@article{arxiv.2102.02972,
title = {Structure-aware Person Image Generation with Pose Decomposition and Semantic Correlation},
author = {Jilin Tang and Yi Yuan and Tianjia Shao and Yong Liu and Mengmeng Wang and Kun Zhou},
journal= {arXiv preprint arXiv:2102.02972},
year = {2021}
}
备注
9 pages, 8 figures